内容形态
值得读的嵌入式与机器人论文：操作泛化、运动控制、端侧推理效率与新基准的精选。
872 条精选近 30 天 844 条共收录 1,780 条
论文提出交互式导航任务设定，将通道引起的连通性变化、容器引起的目标可见性变化及其顺序依赖统一起来，并介绍 MultINav-Bench，一个在 MolmoSpaces 上包含 3K 条 episode 的 ObjectGoal 基准，覆盖通道、容器与混合任务，附带交互必要性标注，评测协议分别度量导航成功率、交互有效性和交互成本。
推荐理由：论文把开门开容器这类交互动作纳入导航评测，并给出分项度量协议，可参考其任务与评估设计思路。
论文研究 LLM 编码智能体能否从欠定的自然语言描述生成正确的声明式响应式机器人程序，使用响应式脚本语言 Playful 验证可行。
推荐理由：论文指出 LLM 训练语料以命令式语言为主，为机器人行为生成提出可复用的声明式编程指引方法。
论文提出一个统一的 NMPC 框架，直接对机器人关节进行任务空间运动与力要求的规划与控制，可跨多种机器人平台和任务泛化。作者研究了该控制器内在的任务空间阻抗，以及在未建模交互下的微分稳定性与微分被动性，从而在高层规划层闭合力反馈回路，实现精确的运动-力跟踪。
推荐理由：论文分析了所提控制器的任务空间阻抗与被动性，并在真机上验证，读者可了解其如何在力反馈与硬约束之间取得平衡。
论文提出 MOSAIC，一个面向机器人扩散模型的无梯度推理时控制框架，将初始噪声与随机反向步扰动作为联合输入，用完全去噪输出计算的重要性权重来调整分布，并通过自适应惩罚平衡物理可行性与学习支撑的一致性，按模式的重要性加权更新以保留模式、避免破坏性平均。
推荐理由：论文指出既有推理时引导方法会破坏先验或坍缩模式，MOSAIC 用无梯度方案在四个任务上验证了不重训的约束适配。
论文提出一种带符号的局部联合可行裕度，其符号可精确判定当前屏障半空间是否与容许输入集相交，用于解决多个二阶控制屏障函数约束在有界加速度下耗尽共同控制权限的问题。
推荐理由：论文指出多个二阶控制屏障函数在有界加速度下会耗尽共同控制权限，并给出可提前一拍预测该冲突的裕度方法。
UniLAP 提出一种统一的连续隐动作策略，通过流匹配建模隐空间，推理时无需依赖未来帧。它以流自适应目标蒸馏 LAM 教师模型，继承其动作表示并保留可行行为的多模态分布，同时提取无标签运动目标以隔离与任务无关的外观干扰。该模型以 1.1B 参数规模在多源视频上预训练，在手部姿态预测、单臂与人形操作及真实世界部署上超越现有隐动作与 VLA 基线。
推荐理由：论文解释了离散隐动作的粒度瓶颈及其成因，便于评估连续隐动作方案的适用场景。
论文提出一种类人冗余解析框架，将自适应肘部引导与奇异鲁棒腕部跟踪结合，用于双臂人形机器人实时遥操作。肩-腕几何重定向生成机器人尺度的腕部目标，自适应肘偏移准则按偏移方向引导姿态并按偏移幅度缩放引导强度，使冗余自由度随人臂伸直逐步释放；分层速度求解器优先腕部跟踪，并将肘部引导投影到腕任务的零空间。
推荐理由：论文给出消融与压力测试两组量化对比，可评估该冗余解析框架相对基线的收益幅度。
CopyQuad 提出从单段侧视视频迁移四足机器人技能的新流程，省去单目深度模型或逐段 3D 重建阶段，把侧视相机看不到的轴向固定为机器人自身站宽。冻结的 2D 关键点检测器加固定解析重定向即可生成足端目标可达的参考轨迹，无需逐段轨迹优化；相位索引奖励结构仅用共享扫描得到的三个标量，学会了狗步、马步、马小跑和两个非周期手势，并全部零样本部署到硬件。
推荐理由：论文用动捕数据量化了被省略维度的真实误差量级，说明它低于现有管线的足端误差分辨率。
论文针对高斯信念空间下的 Risk STL（RiSTL）规划问题，用信念的信息形式参数化结合信念动力学的凸松弛，将其转化为混合整数凸规划（MICP）。作者证明该 MICP 是可靠且完备的，并且松弛保留了全局最优输入轨迹，最后通过数值仿真验证了方法的有效性。
推荐理由：论文证明了该凸松弛保持全局最优输入轨迹，读者可据此判断其相对梯度法的理论优势。
论文提出一种数据高效的软体触觉形变建模框架，将 82 组相机追踪接触构型仅用于调校与验证 ANSYS FEM 模型，再由该模型生成 768 个合成接触场景训练 GNN。
推荐理由：论文把验证与训练解耦，用少量实测调校 FEM 再生成合成数据训练 GNN，这一数据高效思路可供触觉建模研究复用。
论文提出将世界动作模型（WAM）解耦为世界模型与逆动力学模型（IDM），并固定 IDM、替换未来图像来源，使跨任务泛化差距可被直接测试。
推荐理由：论文把世界动作模型拆成世界模型与逆动力学模型，定位出失败集中在夹爪与交互几何，为诊断跨任务泛化提供了可复用的分析视角。
论文提出 Language2Drive 基准，用配对反事实单元（PCU）固定初始场景、只改变指令，测试 VLA 模型是否真正按语言指令执行行为，并在 CARLA 闭环仿真、重建真实场景和开环驾驶基准（含发布的 CARLA-Language2Drive 模拟器）中评测代表性驾驶 VLA。
推荐理由：论文用配对反事实单元揭示93.2%成功轨迹缺乏对应替代指令的成功，提示现有驾驶评测高估了语言控制能力。
该论文提出一种人形机器人腿部串并联设计，包含膝关节并联机构、踝关节并联机构以及非线性膝踝耦合，所有执行器均靠近髋部布置。膝屈曲时耦合被动辅助踝背屈以抬脚，伸展时辅助跖屈以蹬地，通过膝传动重新分配踝部负载。作者推导了耦合的非线性传动模型，并在仿真和硬件上完成验证；配合近端执行器布置，6kg 腿部在足端实现 0.37kg 的等效反射质量。
推荐理由：论文给出非线性传动建模与仿真、硬件双重验证，可作为人形腿部低远端惯量设计的参考方案。
该学位论文提出离线训练神经隐式表征，将 Hamilton-Jacobi 可达性分析的值函数实时提供给基于优化的控制器，用于未知动态环境下的安全导航。
推荐理由：论文解释了用动力学修正项分解值函数的思路，读者可据此理解近似误差为何不会破坏安全约束。
论文提出 Model-Evolving Reinforcement Learning（MERL），一个可信度校准框架，将策略优化与在线更新的模拟器（含世界模型和奖励代理头）耦合，用模拟器可信度控制想象数据比例与 rollout 深度，用 chunk 级可信度控制回放选择与优化权重，并用残差预测器在不查询未来真值的情况下估计可信度。
推荐理由：论文给出可信度校准的具体机制与对照实验数据，可比较其与纯 model-free 后训练的效率差异。
DeTac 提出双分支生成框架，从单张混合触觉图像中同时提取干净的明暗图像与标记图像，用于解耦视触觉传感器中的表面纹理和接触力信号。该方法用全图合成绕开掩码依赖，并通过跨分支协同优化实现相互监督以避免误差保留；作者还用自制硬件构建了严格对齐的真实配对触觉数据集。
推荐理由：论文点明了串行掩码方案的掩码尺寸困境与误差保留问题，可作为触觉信号解耦路线的对照参考。
SHOES 是一个面向足式机器人因穿鞋导致形态变化的 sim-to-real 硬件适配框架，冻结仿真训练的名义策略，仅在机器人上微调轻量的恒等初始化调制模块，并引入工作空间感知的路径点采样器 SafeBox 将在线适配约束在用户定义的工作空间内。
推荐理由：论文把穿鞋类比为形态变化，给出冻结策略加轻量调制模块的适配思路，可迁移借鉴。
论文研究走廊场景下的人机交互，用包含机器人动作、行人占用、可用空间、任务结果和受控混杂因子（静态障碍物）的因果 DAG，估计社交导航信号是否真正提升通行成功率。结果显示，仅以机器人动作做条件的观测估计错误地认为该信号有害，而控制混杂变量后的因果估计表明信号有益，说明忽略混杂会导致社交机器人导航中的信号决策得出相反结论。
推荐理由：论文用因果 DAG 对比观测估计与干预估计，说明忽略混杂因素会让社交导航信号的评估结论反转。
LABIT 是一个面向长程操作的工业机器人装配基准，涵盖 DIN 标准下的拧螺丝、放置、插入、卡扣等装配任务，并覆盖高、低公差两种条件。由于装配步骤前后相继，先前误差会影响后续操作，作者据此提出基于装配复杂度分类的评测协议和新的性能指标，并附零件清单与 CAD 模型；他们用传统力-位控制作为基线，按基本动作、子任务、装配类别和子装配分别报告可靠性与得分，配套数据已公开。
推荐理由：论文指出单任务基准已不足以评估现代制造的连锁装配步骤，为长程操作评测提供了新的复杂度分类思路。
RoboBugBench 是一个包含 33 个真实、经执行验证缺陷的基准，取自固定版本的 ROS 2 导航栈，候选补丁通过编译并在物理仿真中驱动机器人来评分，而非运行单元测试。
推荐理由：论文指出机器人缺陷只能靠行为判定而非单元测试，这一评测思路对评估智能体修复能力有参考价值。